计及机器调整和物料运送时间的Job-Shop调度算法

对考虑机器调整时间和物料运送时间的Job-Shop调度问题进行了研究.优化计算时考虑了物料运送时间的作用及其对车间调度的影响,并给出了其求解方法;利用GA、SA与PSO相结合的混合PSO算法解决了Job-Shop调度问题.仿真实例模拟实际工况,对工件的运送、加工和机器调整时间及其相互间的影响进行了分析和计算,并与传统的忽略机器调整时间、物料运送时间以及直接计入工件加工时间的调度方案进行了对比,结果表明提出的方法可行,更加符合实际生产工况.     

基于混合粒子群算法的多目标柔性Job-Shop调度方法

针对经典Job-Shop调度问题的局限性,提出了以时间、成本、质量三者综合为优化目标,具有柔性Job-Shop车间调度的优化模型.给出了优化目标的计算方法,并设计了混合粒子群算法,给出了使用此算法求解模型的具体实现过程.模型采用工序能力指数对质量目标进行量化,并采用综合评判线性加权模型解决柔性Job-Shop算法的权重选择问题,使决策者能够根据实际情况选择优化目标的偏好解.通过一个车间调度问题的实例验证了此调度模型和算法的有效性.     

基于多Agent理论的城市供水泵站运行调度系统

将多Agent理论与供水泵站运行调度结合起来,建立了一个基于多Agent理论的城市供水泵站运行调度系统,此系统由监控多Agent子系统、方案决策多Agent子系统、方案执行多Agent子系统以及起协调联络作用的管理Agent和通信Agent构成.整个系统内的各个Agent相互协作使系统具有高度智能性、分布性和开放性等特性,为城市供水泵站进行合理的运行调度提出了新思路.     

激素调节机制IAGA在作业车间调度中的应用

针对离散型生产作业中的车间调度问题,以最大流程时间最小化为目标,将基于激素调节机制的改进型自适应遗传算法应用其中。该算法具有有效避免近亲繁殖、无需复制操作、有效克服早熟现象和进化缓慢问题等特点。算法采用基于工序的编码方式,并在调度实例应用中取得满意效果。仿真结果表明:该算法大幅度减少了调度方案生成时间,优化了调度方案,缩减了最小化完工时间,能够有效、高质量地解决作业车间调度问题。     

天气变化情形下基于动态时间窗的收获机应急调度技术

在小麦收获时期,若遇到天气变化,小麦可收获时间窗会发生改变,若还按原调度方案,将造成大量农田延迟收获,从而给农户带来损失。为避免或降低因天气变化给农户带来损失,本文考虑天气变化导致的农田收获时间窗变动的应急调度问题。基于天气变化导致的农田可作业时间窗实际缩短的情况,综合考虑收获机转移时间、提前到达等待时间和延迟时间,建立因天气变化导致的时间窗变动的收获机多目标应急调度模型,引入农田收获应急度函数,确定应急农田,将可作业时间窗和下雨时间有交集的农田重新根据应急度排序进行优先调度。针对此模型特点对遗传算法进行改进,设计基于改进遗传算法的收获机应急调度算法,采用两级多段编码方式及单点交叉方式,使算法可以有效避免局部最优,能够很好地实现全局收敛。通过动态改变原收获机收获路线,为应急农田优先提供收获服务,从而提高农机合作社服务能力,减少农户损失。实例仿真结果证明了模型和算法的可行性。     

基于动态反馈负载均衡算法的改进

负载均衡在集群系统研究领域是一个比较重要的问题,它的八种调度算法是任务分配的核心,详细介绍了LVS中的调度理论,研究并讨论了常用算法的不足,在分析这些算法优缺点的基础上,提出了一种基于反馈的负载均衡算法理论,该算法引入一个负载容余参数可以更准确地描述集群节点的负载状态,在考虑各个服务节点处理能力真实负载的基础上,尽量简化负载均衡器的调度算法。经测试,其结果显示改进后的算法优于改进前的算法。     

基于多目标优化的产品协同开发任务调度研究

针对目前产品开发任务调度研究的不足,提出了基于多目标优化的产品协同开发任务调度理论,并在此基础上提出了多目标优化调度的综合指标确立方法;针对调度问题的求解特点,提出了基于混合微粒群算法的任务调度算法;最后,运用上述理论和算法,给出了具体实例的计算结果,并把该结果和单目标优化调度的结果相比较,说明了基于多目标优化的产品协同开发任务调度算法的可行性和优越性.     

激素调节机制IAGA在作业车间调度中的应用

针对离散型生产作业中的车间调度问题，以最大流程时间最小化为目标，将基于激素调节机制的改进型自适应遗传算法应用其中。该算法具有有效避免近亲繁殖、无需复制操作、有效克服早熟现象和进化缓慢问题等特点。算法采用基于工序的编码方式，并在调度实例应用中取得满意效果。仿真结果表明：该算法大幅度减少了调度方案生成时间，优化了调度方案，缩减了最小化完工时间，能够有效、高质量地解决作业车间调度问题。     

基于多目标优化的飞防队作业调度模型研究

针对面向植保服务订单的多飞防队协同作业模式,综合考虑订单时间窗、病虫害侵染状况、多机协同等关键因素,建立以作业总收益最大、作业总时长最小为优化目标的飞防队作业调度模型;设计了订单优先级排序算法和基于带精英策略的非支配排序遗传算法（NSGA-Ⅱ）的作业路径规划算法,并对调度模型进行了求解。以陕西省武功县植保作业为例,对飞防队作业调度模型及算法进行了验证,实验表明,建立的模型及算法能输出满足时间窗约束的Pareto最优解集,具有良好的搜索性能以及稳定的收敛性能。该研究可为无人机飞防队的调配与决策分析提供科学依据,为农机智能调度系统开发提供参考。     

排水泵站的优化调度方法和实现

为了使泵站达到最佳节能运行的效果,在分析泵站能耗特点的基础上,建立了系统各部件性能的数学描述模型、目标函数和约束条件模型,给出了优化调度的方法.采用遗传算法对具体调度实例进行优化,并基于MATLAB环境下的GAOT工具箱实现具体计算,给出了计算过程.分析结果表明,所采用的方法能够较好地达到优化效果,并且可适用于复杂问题的求解,对泵站节能运行控制具有应用价值.     

Genetic algorithms for the sequential irrigation scheduling problem

A sequential irrigation scheduling problem is the problem of preparing a schedule to sequentially service a set of water users. This problem has an analogy with the classical single machine earliness/tardiness scheduling problem in operations research. In previously published work, integer program and heuristics were used to solve sequential irrigation scheduling problems; however, such scheduling problems belong to a class of combinatorial optimization problems known to be computationally demanding (NP-hard). This is widely reported in operations research. Hence, integer program can only be used to solve relatively small problems usually in a research environment where considerable computational resources and time can be allocated to solve a single schedule. For practical applications, metaheuristics such as genetic algorithms (GA), simulated annealing, or tabu search methods need to be used. These need to be formulated carefully and tested thoroughly. The current research is to explore the potential of GA to solve the sequential irrigation scheduling problems. Four GA models are presented that model four different sequential irrigation scenarios. The GA models are tested extensively for a range of problem sizes, and the solution quality is compared against solutions from integer programs and heuristics. The GA is applied to the practical engineering problem of scheduling water scheduling to 94 water users.     

联合收割机与运粮车协同作业调度技术研究

针对联合收割机作业路径规划不合理、联合收割机与运粮车无法协同优化调度等问题,以最小化联合收割机总非生产性作业时间和非生产性作业等待时间为目标,构建多机型多任务协同优化调度模型,设计多机协同优化调度算法(MMCOSA)。首先通过对传统蚁群算法(ACO)进行改进,计算得到联合收割机的静态路径规划方案,然后采用相对距离最近策略实现联合收割机与运粮车协同作业动态优化。试验结果表明,采用MMCOSA算法计算得到的联合收割机总非产性作业时间和非生产性作业等待时间均比传统ACO算法的结果平均缩短17.5%和19.02%,MMCOSA算法不仅加快收敛速度,而且缩短作业时间,为农忙时节联合收割机与运粮车的协同调度问题提供有效的解决方案。     

基于Java的农机作业调度管理Web平台架构技术研究

为了解决农机的派出、组织生产和质量监控等缺少有效管理技术手段的问题,基于B/S架构,使用Java语言和Web服务器,开发了农机调度管理服务平台框架。平台前端以JSP实现与用户交互界面,主要实现了注册用户对个人信息的管理、管理人员和作业人员的双向搜索等功能;平台后端的业务逻辑用Java语言实现。在作业前,可以将农机机具、作业人员信息和农田地理信息录入到调度系统中,根据实际农田作业需求,利用GPS导航规划路径;在作业时,可以对作业质量和作业效率进行监控,从而有效地提高了农机的管理水平;最后,使用调度系统和不使用调度系统对6个农田地块的作业效率进行了对比,验证了系统的可行性。     

基于GIS和GPS的采棉机跨区作业调度与服务系统设计

精细农业是21世纪农业发展的主要方向,随着农业机械化的深入发展,农机规模作业和跨区域作业已成为趋势。为此,针对兵团棉花机械收获实际,将GPS与GIS技术相结合,设计了一套采棉机实时监控、调度与服务系统。该系统可实现在遥感影像地图上实时显示采棉机的位置,对采棉机作业进行监控,辅助农机管理人员科学有效地对采棉机进行调度和管理,从而提高采棉机的作业效率和机采棉公司的经济效益。     

基于Web-GIS的多机协同作业远程监控平台设计

为了实现对多机协同导航作业的实时远程监控，设计了基于Web-GIS的多机协同作业远程监控平台。该平台主要包括数据收发、数据存储、数据查询、数据显示和数据分析模块。其中，数据收发模块采用Socket技术实时接收多机位置和航姿等作业信息，并可以向车载终端发送远程控制命令。数据存储模块负责将接收到的作业信息存储到相应的SQL Server数据表中。数据查询模块用于多机作业历史信息的查询，并以表格的形式将查询结果呈现在网页中。数据显示模块结合Web-GIS技术，通过与百度地图服务器进行实时交互，实现多机作业轨迹的可视化显示。数据分析模块实时分析处理多机位置和航姿信息，对各农机进行决策分析和任务调度，从而实现多机协同作业。试验结果表明：平台具有良好的稳定性，能够实时显示多机作业轨迹和作业信息，并可以实现多机任务调度，从而满足多机协同作业需求。     

基于混合遗传算法的农机科研人员任务调度优化研究

农机科研人员任务调度问题属于NP-hard问题。它允许农机项目中的任务可以由项目团队中的多个农机科研人员完成实施,调度的目的是将任务分配给各科研人员,并对各农机科研人员的任务进行排序以使完成所有项目的时间最小化。本文采用基于禁忌搜索的混合遗传算法进行农机科研人员任务调度研究,提出了一种新颖直观的双染色体基因编码方法,以期达到农机科研人员任务调度决策的科学化,并在MATLAB7.0平台对算例进行仿真。     

改进PSO的多目标约束项目进度计划问题研究

在项目进度计划问题的研究中,为实现在多执行模式和多资源约束条件下,对项目活动的执行顺序和执行模式进行合理安排的目标,以使项目工期最短,建立了多目标进度计划的目标函数,确定了约束条件.结合微粒群算法求解该组合优化问题.并通过对标准微粒群算法的改进,引入了交换子和交换序的概念,提高了算法的寻优速度和寻优能力,并结合具体的实例验证了改进算法的有效性.     

基于动态刺激响应模型的异质农业Agent群任务分配策略

针对农业Agent群协同控制困难、工作效率低的问题，研究了基于改进刺激响应模型的异质农业Agent群任务分配策略。建立基于熟人网与云边协同计算系统的分层混合式Agent群体系架构；将蚁群算法的刺激响应模型应用于传统合同网算法中，通过建立自适应招标策略来限制投标Agent数量、减少系统的通信负担；在考虑农业Agent异质性的基础上建立任务分配的效能模型，通过构建时变系数与时间矩阵，建立基于直接信任度、基于推荐信任度的动态信任度函数与响应阈值设计方法，以优化农业Agent团队的整体效能；利用增量式PID算法与积分分离阈值建立刺激量动态更新函数，减少了Agent团队工作量的超调量、通信量与偏差收敛时的迭代次数。仿真结果表明，在Agent团队规模分别为40个与100个时，改进的合同网算法相比传统合同网算法的整体效能分别提高了41.1%与83.1%；在Agent团队规模为40个时，额外设置3组刺激量更新函数，基于PID算法的刺激量动态更新函数的工作量超调量相比第2组函数、第3组函数分别降低了24.5%、9.5%，在迭代次数方面，相比第1组函数、第3组函数分别降低了84.3%、84.8%；在Agent团队规模分别为20、40、100个时，改进的合同网算法的通信量相比传统合同网算法减少了49.1%、63.7%、72.4%。验证实验表明，由改进的合同网算法进行任务分配的通信量与工作量超调量较传统合同网算法分别减少了70.0%与20.2%，整体效能比传统合同网算法增加了14.1%，且改进的任务分配算法能保证参加工作的Agent群在规定的时限要求内完成对工作区域的100%覆盖。